基于改进YOLOv5算法的块状磨屑识别方法

作者：邵靖男; 高春雷^*; 何国华; 张世红; 徐济松; 王鹏

来源：铁道建筑, 2023, 63(03): 35-39.

• 高速铁路
• 计算机视觉技术
• YOLOv5算法
• 智能识别
• 块状磨屑
• 召回率
• 均值平均精度

针对钢轨打磨车作业产生的块状磨屑的处理方式效率低、智能化程度低、安全隐患大等问题，提出一种基于改进YOLOv5算法的块状磨屑智能识别方法。在原有YOLOv5算法基础上，增加更大尺度的检测层，提升小尺寸块状磨屑的检测效果；在骨干网络嵌入卷积注意力模块（Convolutional Block Attention Module,CBAM），增强块状磨屑的特征表达；选择EIoU(Efficient Intersection over Union)替代CIoU(Complete Intersection over Union)作为目标框回归的损失函数，加快模型的收敛速度，提高块状磨屑预测框的精度。利用某轨道巡检小车采集的数据进行测试试验，结果表明：改进后的YOLOv5算法对于块状磨屑的检测能力有所提高，召回率提升了4.55%，均值平均精度提升了8.6%，对小尺寸块状磨屑有更好的检测效果。

• 出版日期2023
• 单位中国铁道科学研究院; 中国铁道科学研究院集团有限公司